Energiemonitoring nach ISO 50001 mit Databricks: Lastgänge je Maschine, nicht nur je Werk

Pexon Consulting | 10 Min. Lesezeit | 15.06.2026

TL;DR

Energiemonitoring nach ISO 50001 mit Lastgängen pro Maschine deckt Effizienz-Hebel auf, die Werks-Sichten nie zeigen — Pexon-Pilotkunden sparen damit typisch 4-8% Stromverbrauch. Pexon Consulting baut die Databricks-Pipeline in 4-6 Wochen als Festpreis zwischen 42 und 65k EUR mit EnPI-Berechnung, revisionssicherem Audit-Trail und Auditor-Übergabe-Doku für Re-Zertifizierung. zentrale datenplattform

Warum Werks-Granularität in 2026 nicht mehr reicht

Wir hören das in fast jedem Energie-Manager-Erstgespräch bei mittelständischen Industrie-Kunden: „Unser ISO-50001-Tool zeigt uns, dass Werk X 18% mehr Strom verbraucht hat als im Vorjahr. Wir wissen aber nicht warum, weil wir nicht sehen, welche Maschine die Spitzen verursacht.“

Die ISO 50001 (Energiemanagement-System) verlangt seit der 2018er Revision strukturiertes Monitoring und kontinuierliche Verbesserung. Die meisten Mittelständler haben das mit klassischen Energy-Management-Tools umgesetzt — typisch ein 15-Minuten-Lastgang pro Werks-Anschluss aus dem Stadtwerke-Portal plus manuelles Sub-Metering bei kritischen Anschlüssen. Für die Norm-Konformität reicht das. Für echte Effizienz-Hebel nicht.

Die nächste Ausbaustufe ist die Lastgang-Analyse pro Maschine. Wenn ihr seht, dass eine bestimmte CNC-Maschine zwischen 14:00 und 15:00 Uhr regelmäßig 40% über ihrem Durchschnitt liegt — und das mit der Charge oder dem Werkzeug korreliert —, dann habt ihr konkrete Hebel. Bei einem Industrie-Pilotkunden haben wir damit über 6 Monate 8% Stromverbrauch reduziert, ohne eine einzige Maschine zu modernisieren — nur durch Prozess- und Reihenfolge-Optimierung.

Bei steigenden Strompreisen 2025-2026 (DACH-Mittelstand zahlt typisch 22-28 ct/kWh netto bei mittlerer Last) sind das messbare Beträge. Bei einem Werk mit 4 GWh Jahresverbrauch bedeuten 8% Reduktion 70.000-90.000 EUR jährlich.

Die Datenherausforderung im Detail

Drei Datenquellen-Welten, die zusammen die Lastgang-Pipeline füllen.

Quelle 1: Sub-Zähler an Maschinen oder Maschinen-Gruppen. Modernisierte Werke haben zunehmend Sub-Zähler pro CNC-Maschine, pro Pressen-Gruppe, pro Trockenkammer. Datenausgabe meist über Modbus TCP, OPC UA oder direktes IP-Reporting. 15-Minuten-Werte sind Standard, manche Zähler liefern auch Sekundenwerte (sinnvoll für Lastspitzen-Analysen).

Quelle 2: Werks-Hauptzähler aus Stadtwerke-Portal. Der eichgesetzlich relevante Zähler am Werks-Anschluss. Daten kommen typisch über REST-APIs der Stadtwerke (z.B. Stadtwerke München, EnBW, RWE) oder als Excel/CSV-Export. Wird als Plausibilitäts-Anker für die Sub-Zähler-Daten genutzt.

Quelle 3: Produktions-Kontext aus MES oder SAP-PP. Welche Charge lief von wann bis wann auf welcher Maschine? Welches Werkzeug war im Einsatz? Diese Daten sind notwendig, um die Lastgang-Auffälligkeiten in Effizienz-Hebel zu übersetzen. Ohne Produktions-Kontext sind die schönsten Lastgang-Grafiken nutzlos.

Diese drei Welten zu integrieren ist das eigentliche Engineering-Problem — und genau dort liefert Databricks die richtige Plattform.

Die Pipeline-Architektur

Die EnPI-Berechnung als Kern. ISO 50001 verlangt Energy Performance Indicators (EnPI) — Kennzahlen, die die Energie-Performance vergleichbar machen. Bei einer CNC-Maschine z.B. kWh pro produziertes Teil, bei einer Trockenkammer kWh pro Tonne getrocknetes Material.

# Beispiel: EnPI-Berechnung pro Maschine in Delta Live Tables
import dlt
from pyspark.sql.functions import col, sum, window

@dlt.table(name="gold_enpi_per_machine_day", comment="EnPI pro Maschine pro Tag")
def gold_enpi_per_machine_day():
    # Stromverbrauch aus Sub-Zählern
    energy = (
        dlt.read("silver_machine_energy_15min")
        .groupBy("machine_id", date_trunc("day", "timestamp").alias("date"))
        .agg(sum("kwh").alias("kwh_total"))
    )
    
    # Produktions-Output aus MES
    output = (
        dlt.read("silver_machine_production")
        .groupBy("machine_id", "date")
        .agg(sum("good_parts").alias("parts_produced"))
    )
    
    # EnPI = kWh / Output
    return (
        energy.join(output, on=["machine_id", "date"], how="inner")
        .withColumn("enpi_kwh_per_part", col("kwh_total") / col("parts_produced"))
        .withColumn("enpi_class", classify_enpi(col("enpi_kwh_per_part"), col("machine_id")))
    )

Damit habt ihr pro Maschine einen Tageswert, der über die Zeit verglichen werden kann. Abweichungen über 15% gegenüber Vorperiode lösen Alarme aus.

ISO-50001-Konformität und Audit-Trail

Was die Norm konkret verlangt — und wie die Pipeline das automatisiert.

4.4.5 — Sammlung und Analyse von Energiedaten. Strukturierte, dokumentierte Energiedaten-Erfassung. Pipeline mit Delta-Lake-Versionierung erfüllt das automatisch — jeder Pipeline-Run ist nachvollziehbar, Quelldaten sind unveränderbar im Bronze-Layer.

4.4.6 — Bewertung der Energie-Performance. Vergleich Soll- vs Ist-EnPI, Identifikation von Optimierungs-Hebeln. Das Dashboard liefert die Sicht, plus Anomalie-Detection markiert Auffälligkeiten automatisch.

4.4.7 — Festlegung Energie-Baseline. Referenzperiode definieren (oft Vorjahr), Energie-Baseline als Vergleichsgröße. Pipeline berechnet die Baseline einmalig und versioniert sie — bei Audit ist nachvollziehbar, gegen welche Baseline aktuell gerechnet wird.

4.4.4 und 5.1.4 — Dokumentation. Methodische Konsistenz, Verfahrens-Doku, Kalibrierungs-Nachweise. Die Pipeline-Code-Versionierung in Git plus die Datensatz-Versionierung in Delta Lake liefern das gemeinsam.

Re-Zertifizierungs-Vorbereitung. Wir liefern beim Sprint einen ISO-50001-spezifischen Audit-Report-Template, das die Pipeline-Output 1:1 in die Norm-Strukur abbildet. Beim Auditor-Termin ist die Argumentation strukturiert. Mehr zum Compliance-as-Code-Pattern für Pipeline-Versionierung.

Die typischen Hebel aus produktiven Setups

Was wir in den Pexon-Projekten konkret an Einsparungen gehoben haben.

Hebel 1: Lastspitzen-Vermeidung durch Reihenfolge-Optimierung. Wenn zwei energieintensive Prozesse zeitgleich laufen, schießt die Spitzenlast nach oben — und damit die Spitzenlast-Komponente in der Stromrechnung. Pipeline-Auswertung zeigt diese Überlappung, Produktions-Reihenfolge wird optimiert. Bei einem Industrie-Kunden 12% Reduktion der Leistungspreis-Komponente in 4 Monaten.

Hebel 2: Standby-Verbrauchs-Detektion. Maschinen die „aus“ gemeldet sind aber trotzdem 20-30% ihres Volllast-Verbrauchs ziehen (Standby, Heizungen, Steuerungen). In klassischen Werks-Sichten unsichtbar, in der Maschinen-Sicht sofort sichtbar. Bei einem Industrie-Pilotkunden 4,3% Reduktion durch konsequentes Abschalten an Wochenenden.

Hebel 3: Werkzeug- und Charge-Korrelation. Bei vermeintlich identischen Produkten zeigen Sub-Zähler-Daten oft, dass bestimmte Werkzeuge oder bestimmte Lieferanten-Materialien deutlich höhere Energie pro Stück brauchen. Hebel: Werkzeug-Pflege oder Lieferanten-Wechsel. Typisch 2-6% Einsparung.

Hebel 4: Kompressor-Druckluft-Lecks. Druckluft ist in Industrie-Werken oft 20-30% des Stromverbrauchs. Lastgang-Analyse zeigt, ob der Kompressor in Pausen weiterläuft (Leckage-Indikator). Bei einem Werk haben wir damit 7% Stromverbrauch gespart, primär durch zwei undichte Anschlüsse, die in der klassischen Werks-Sicht nie aufgefallen wären.

Pexon-Sprint und Investment

4-6-Wochen-Festpreis-Sprint:

• Wochen 1-2 — Discovery und Energie-Inventur. Welche Sub-Zähler existieren, welche Datenausgabe-Schnittstellen, welche Stadtwerke-API, welche MES-Anbindung. Architektur-Workshop mit Energie-Manager und IT-Engineering.
• Wochen 3-4 — Pipeline-Aufbau und EnPI-Berechnung. Auto-Loader-Setup, Delta-Live-Tables-Pipelines, EnPI-Berechnung pro Maschine, Plausibilitäts-Checks gegen Hauptzähler.
• Wochen 5-6 — Dashboard, Audit-Trail-Doku, Übergabe. Power-BI-Dashboard mit Drilldown, ISO-50001-spezifischer Audit-Report-Template, Schulung Energie-Manager und Werks-Engineering.

Investment-Festpreis: 42-65k EUR je nach Komplexität. Untere Spanne bei 1 Werk mit existierender Sub-Zähler-Infrastruktur. Obere Spanne bei mehreren Werken plus zusätzlich notwendiger Sub-Zähler-Nachrüstung (Hardware nicht enthalten — kommt aus eurem Hardware-Budget oder von einem Elektro-Dienstleister).

Laufende Cloud-Kosten: Databricks-Cluster für ein Mittelstands-Werk typisch 600-1.200 EUR pro Monat, plus Storage. Bei Multi-Werk-Setups skaliert die Cluster-Kapazität moderat.

Häufig gestellte Fragen

Wir haben noch gar keine Sub-Zähler — lohnt sich das?

Sub-Zähler-Nachrüstung kostet typisch 800-3.000 EUR pro Anschluss inklusive Installation. Bei einem Werk mit 12 kritischen Maschinen sind das 15-35k EUR Hardware-Investment. Bei einem typischen Mittelstands-Werk mit 4 GWh Jahresverbrauch amortisiert sich das innerhalb von 8-14 Monaten durch die typischen Effizienz-Hebel. Wir liefern auf Wunsch eine Wirtschaftlichkeits-Berechnung im Pre-Sprint.

Was bei sehr alten SPS-Welten oder reinen Modbus-Zählern?

Funktioniert. Wir bauen Edge-Gateway-Lösungen mit Node-RED oder MQTT-Brokern, die Modbus TCP oder serielles Modbus in Cloud-tauglichen Stream übersetzen. Engineering-Aufwand 2-4 Tage pro Zähler-Typ. Bei sehr exotischen Schnittstellen (z.B. ältere M-Bus-Setups) eher 4-8 Tage.

Was bei harten On-Prem-Anforderungen?

Databricks ist primär Cloud. Bei strikten On-Prem-Anforderungen empfehlen wir hybride Setups — Edge-Aggregation on-prem mit InfluxDB oder TimescaleDB, anonymisierte Aggregate in die Cloud für Pipeline-Analyse. Voll-on-prem ist möglich, aber teurer und länger.

Wie verhält sich das mit anderen EnMS-Tools (Mawi-Sense, Janitza, Elnet)?

Diese Tools sind hervorragend für die Datenerfassung und Real-Time-Monitoring. Die Databricks-Pipeline ist die Ebene darüber — für Pipeline-Logik, Aggregation, Korrelation mit Produktions-Daten und Audit-Trail. Wir integrieren oft EnMS-Tools als Datenquelle, nicht als Konkurrenz. Manche Kunden behalten ihr klassisches EnMS-Tool für Tagesgeschäft, nutzen Databricks für die analytische Ebene.

Was passiert nach den 4-6 Wochen?

Übergabe an Energie-Manager und Werks-Engineering, optionale Pexon-Begleitung für die ersten 2-3 Monate (typisch 2-4 Tage Engineering pro Monat). Bei Re-Zertifizierungs-Vorbereitung machen wir einen Audit-Vorbereitungs-Sprint von 3-5 Tagen.

Nächster Schritt

Wenn dein Werk ISO 50001 zertifiziert ist und du die Energie-Hebel über Werks-Sicht hinaus heben willst: Wir machen einen 60-Minuten-Discovery-Call mit dir und idealerweise dem Werks-Engineering-Lead plus Energie-Manager. Du beschreibst die Sub-Zähler-Lage und die ISO-Re-Zertifizierungs-Termine, wir skizzieren den 4-6-Wochen-Sprint mit Festpreis.

Verwandte Themen